多因子选股是量化研究中热点的问题之一，当前已经有比较广泛的研究和应用，检验和筛选出有效且稳健的因子是多因子选股模型取得良好效果的关键。当前针对多因子选股的研究，主要有几个问题需要克服。首先，较多针对因子有效性的研究属于事后的检验，由此获得的组合策略因存在前视偏差而导致在样本外的绩效并不如回测结果那么优越；其次，较多的多因子选股模型采用静态的因子，即忽略了不同因子在不同时期的有效性差异；再者，多因子模型由于因子共线性等问题需要采取降维措施，且对各因子的权重设置较为敏感。

为解决以上问题，我们提出“基于双步骤有效因子筛选的多因子选股策略”，该策略有三大特点：第一，为避免前视偏差，策略在每一个调仓日仅依据之前36个月（或24个月）的历史财务数据或行情数据进行因子分析和选股；第二，每一期的有效因子是随着时间动态选择的；第三，最为重要的是，策略对有效因子进行了双步骤的筛选，第一步通过单因子的历史有效性分析筛选出各期的有效因子，第二步在前一步骤的基础上对有效因子进行回归，剔除回归系数的t值小于2的因子，最终在最优拟合的情况下获得预测收益，并以最高1/5分位预测收益的股票作为投资组合。事实上，采用多元回归的方法不仅可以有效处理多因子的降维问题，也能较好处理各因子的权重设置问题。

我们以A股市场2009年至2015年的数据进行实证检验，结果表明，对初始因子进行有效性筛选能够显著改善多因子策略的绩效，而通过双步骤有效因子筛选后的多因子策略能够获得更高的年化收益。以前36月（或24月）数据为依据进行因子筛选和股票池筛选的情况下，ic_ir大于0.5的因子筛选策略中，策略的年化超额收益为18.78%（或16.09%），月胜率为91.67%（或85.0%），Sharpe比率为1.27（或0.97），信息比率IR为3.02（或2.69）。此外，我们还发现，基于双步骤有效因子筛选的多因子选股策略在小市值股票中能够获得更高的年化收益，例如在t值大于1.5的小市值策略中，年化收益可达到67.16%，年化超额收益达到20.47%，月胜率达到87.5%，sharpe比率为1.48，信息比率IR为2.68。